基于隐高斯混合模型的人脑MRI分割方法

• 作者: 梁恺彬 管一弘
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 人脑MRI 空间信息 隐高斯混合模型 牛顿迭代法 期望最大化(EM)算法
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 图形图像处理
• 页码范围: 196-203
• 页数: 8页
• 分类号: TP391
• 字数: 6865字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1612-0519

摘要

针对传统的高斯混合模型的抗噪性能和鲁棒性较差的缺点,提出一种基于隐高斯混合模型的人脑MRI分割方法.传统的高斯混合模型由于忽略了空间信息和未考虑分割结果的分布情况导致模型不完整.针对这些缺点,把分割结果的概率密度函数作为隐含数据引入到高斯混合模型,建立了非线性加权的隐高斯混合模型;同时引入了含空间信息与平滑系数的高斯权重置指数;运用期望最大化算法与牛顿迭代法对类均值,类方差以及平滑系数进行求解,最后根据最大后验概率准则得到人脑MRI的最终分割结果.经实验表明,提出的方法对人脑MRI具有很好的鲁棒性与抗噪性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	管一弘	昆明理工大学理学院	19	118	5.0	10.0
2	梁恺彬	昆明理工大学理学院	3	3	1.0	1.0